原文传递
基于卷积神经网络的路基病害自动识别方法研究
| 题名： | 基于卷积神经网络的路基病害自动识别方法研究 |
| 正文语种： | 中文 |
| 作者： | 邓桂萍;苏龙 |
| 作者单位： | 空军航空维修技术学院;湖南省导弹维修工程技术研究中心 |
| 关键词： | 探地雷达;深度学习;路基病害;图像识别 |
| 摘要： | 路基病害导致的道路坍塌事件时有发生，利用探地雷达（ground penetrating radar，GPR）技术对道路路基进行周期性的无损检测和评估，可有效识别处于早期阶段的路基病害，为及时治理提供技术支撑。传统的GPR路基病害图像解释大多依靠人工，存在评价不客观且效率低下的问题。为实现路基病害的自动识别，提出基于卷积神经网络（CNN）提取GPR路基病害图像特征的方法。该方法所采用的网络结构由卷积层、池化层和全连接层组成；输入病害图像后首先经过5层卷积层和5层池化层提取图像特征，然后将提取到的图像特征输入两层全连接层分类，最后通过softmax层输出识别结果。正演模拟数据集表明，该方法对路基空洞充气、路基空洞充水、路基脱空及路基含水层这4种典型道路路基病害的雷达图像识别准确率达到96.75%，验证了该方法的有效性。 |
| 期刊名称： | 现代交通技术 |
| 出版年： | 2022 |
| 期： | 05 |
| 页码： | 1-5,11 |
检索历史
应用推荐
